یک معیار جدید جهت ایجاد تعادل بین جستجوی عمومی و محلی در الگوریتم های ممتیکی

یکی از مشکلات الگوریتم های ژنتیک سنتی، مشکل همگرایی زودرس است که باعث ناتوانی آنها در جستجوی جواب های مناسب می شود. یک الگوریتم ممتیک از جستجوی محلی برای افزایش سرعت کشف جواب های مناسبی که پیداکردن آنها به وسیله جستجوی عمومی تنها به طول می انجامد یا قابل دسترس نباشند، استفاده می کند. در این مقاله یک الگوریتم ممتیک مبتنی بر اتوماتای یادگیر به نام LA-MA ارائه شده که از دو بخش ژنتیکی و ممتیکی تشکیل شده است. تکامل یا جستجوی عمومی در بخش ژنتیکی و بهره برداری یا جستجوی محلی در بخش ممتیکی انجام می شوند. در بخش ممتیکی، احتمال موفقیت جستجوی محلی تخمین زده شده و در صورتی که انجام جستجوی محلی نسبت به جستجوی عمومی مقرون به صرفه باشد، بهره برداری انجام می شود. تخمین صحیح احتمال موفقیت جستجوی محلی، باعث ایجاد تعادل بین جستجوی عمومی و محلی شده و کارایی الگوریتم ممتیک را بالا می برد. در این مقاله از دو مساله بیشینه سازی یک ها و تناظر گراف جهت ارزیابی کارایی الگوریتم پیشنهادی استفاده شده است. نتایج آزمایش ها نشان می دهد که الگوریتم پیشنهادی از نظر کیفیت جواب های به دست آمده و نرخ همگرایی نسبت به سایر الگوریتم ها عملکرد بهتری دارد.